एक नया अध्ययन गोपनीयता-संरक्षित मशीन लर्निंग इनफरेंस के लिए सुरक्षित बहु-पार्टी कंप्यूटेशन (MPC) और पूर्ण होमोमॉर्फिक एन्क्रिप्शन (FHE) का एक एकीकृत सिस्टम-स्तर वर्गीकरण प्रस्तुत करता है। कार्य दो MPC प्रकारों — अंकगणितीय/बाइनरी शेयरिंग रूपांतरण और फंक्शन सीक्रेट शेयरिंग — का FHE के साथ कई CNN और Transformer मॉडल पर मूल्यांकन करता है।
- मूल्यांकन LAN और WAN वातावरणों, मॉडल आकारों, बैच आकारों और इनपुट अनुक्रम लंबाई की एक श्रृंखला को कवर करता है।
- यह न केवल ऑनलाइन इनफरेंस लेटेंसी का मूल्यांकन करता है बल्कि ऊर्जा खपत और मौद्रिक लागत का भी, ऑफलाइन और ऑनलाइन कंप्यूटेशन और संचार ओवरहेड को ध्यान में रखते हुए।
- विश्लेषण इन गोपनीयता-संरक्षित कंप्यूटिंग पैराडाइम्स के चयन और अनुकूलन के लिए प्रायोगिक मार्गदर्शन प्रदान करता है।
- यह रेखांकित करता है कि विकसित हार्डवेयर और नेटवर्क रुझान MPC स्कीमों और FHE के बीच व्यापार-बंद को कैसे बदल सकते हैं।
यह कार्य PPML लोड को समझने या तेज करने की तलाश में शोधकर्ताओं और अभ्यासकर्ताओं के लिए सिस्टम-स्तर अंतर्दृष्टि प्रदान करता है।